2020 में एआई के लिए विशेषज्ञ भविष्यवाणियाँ

वेंचरबीट ने हाल ही में मशीन लर्निंग के क्षेत्र में पांच सबसे बुद्धिमान और विशेषज्ञ दिमागों का साक्षात्कार लिया और उनसे आने वाले वर्ष में एआई की दिशा के लिए अपनी भविष्यवाणियां करने के लिए कहा। जिन व्यक्तियों का साक्षात्कार लिया गया था, वे थे:

• सौमिथ चिंताला, पाइथन के निर्माता。
• सेलेस्टे किड, कैलिफोर्निया विश्वविद्यालय में एआई प्रोफेसर。
• जेफ डीन, गूगल एआई के प्रमुख。
• आनंद कुमार, न्वीडिया में मशीन लर्निंग अनुसंधान निदेशक。
• डारियो गिल, आईबीएम रिसर्च निदेशक。

सौमिथ चिंताला

चिंताला, जो पाइथन के निर्माता हैं, जो वर्तमान में सबसे लोकप्रिय मशीन लर्निंग फ्रेमवर्क है, ने भविष्यवाणी की कि 2020 में न्यूरल नेटवर्क हार्डवेयर एक्सेलरेटर और मॉडल प्रशिक्षण गति को बढ़ाने के तरीकों की अधिक आवश्यकता होगी। चिंताला ने उम्मीद की कि अगले कुछ वर्षों में जीपीयू का उपयोग करने और संकलन को नए हार्डवेयर के लिए स्वचालित रूप से करने के तरीकों पर अधिक ध्यान केंद्रित किया जाएगा। इसके अलावा, चिंताला ने उम्मीद की कि एआई समुदाय अन्य तरीकों से एआई प्रदर्शन को मापने के लिए अधिक आक्रामक रूप से प्रयास करेगा, शुद्ध सटीकता पर कम ध्यान केंद्रित करेगा। विचार करने वाले कारकों में शामिल हैं जैसे कि एक मॉडल को प्रशिक्षित करने के लिए आवश्यक ऊर्जा की मात्रा, एआई का उपयोग करके हम किस तरह का समाज बना सकते हैं, और एक नेटवर्क के आउटपुट को मानव ऑपरेटरों के लिए कैसे स्पष्ट रूप से समझाया जा सकता है।

सेलेस्टे किड

सेलेस्टे किड ने अपने हाल के करियर में अल्गोरिदम, तकनीकी प्लेटफ़ॉर्म और सामग्री सिफ़ारिश प्रणालियों के डिज़ाइनरों की ज़िम्मेदारी के लिए अधिक वकालत की है। किड ने अक्सर तर्क दिया है कि जो प्रणालियाँ जुड़ाव को अधिकतम करने के लिए डिज़ाइन की जाती हैं, वे लोगों की राय और विश्वासों के निर्माण के संबंध में गंभीर प्रभाव डाल सकती हैं। एआई अल्गोरिदम और प्रणालियों के नैतिक उपयोग पर अधिक ध्यान दिया जा रहा है, और किड ने भविष्यवाणी की कि 2020 में तकनीकी उपकरणों और प्लेटफ़ॉर्म के प्रभाव के बारे में लोगों के जीवन और निर्णयों पर अधिक जागरूकता होगी, साथ ही साथ यह विचार कि तकनीकी उपकरण वास्तव में तटस्थ डिज़ाइन में हो सकते हैं।

“हमें वास्तव में इस जिम्मेदारी को स्वीकार करने की आवश्यकता है, एक समाज के रूप में और विशेष रूप से उन लोगों के रूप में जो इन उपकरणों पर काम कर रहे हैं,” किड ने कहा।

जेफ डीन

जेफ डीन, गूगल एआई के वर्तमान प्रमुख, ने भविष्यवाणी की कि 2020 में मल्टीमॉडल लर्निंग और मल्टीटास्क लर्निंग में प्रगति होगी। मल्टीमॉडल लर्निंग तब होती है जब एआई को एक समय में कई प्रकार के मीडिया के साथ प्रशिक्षित किया जाता है, जबकि मल्टीटास्क लर्निंग एआई को एक समय में कई कार्यों पर प्रशिक्षित करने का प्रयास करती है। डीन ने यह भी उम्मीद की कि ट्रांसफ़ॉर्मर पर आधारित प्राकृतिक भाषा प्रसंस्करण मॉडल, जैसे कि गूगल के बीईआरटी अल्गोरिदम और जीएलयूई लीडरबोर्ड पर शीर्ष पर रहने वाले अन्य मॉडल, में आगे की प्रगति होगी। डीन ने यह भी उल्लेख किया कि वह देखना चाहेंगे कि राज्य-के-साथ-साथ प्रदर्शन मॉडल बनाने की इच्छा कम हो जाए और अधिक लचीले और मजबूत मॉडल बनाने की इच्छा अधिक हो।

आनंद कुमार

आनंद कुमार ने उम्मीद की कि एआई समुदाय को 2020 में कई चुनौतियों का सामना करना पड़ेगा, विशेष रूप से विविध डेटासेट की आवश्यकता और डेटा पर प्रशिक्षण के दौरान लोगों की गोपनीयता सुनिश्चित करने की। आनंद कुमार ने समझाया कि जबकि चेहरे की पहचान सबसे अधिक ध्यान आकर्षित करती है, वहाँ कई क्षेत्र हैं जहाँ लोगों की गोपनीयता उल्लंघन की जा सकती है और इन मुद्दों पर 2020 में चर्चा का केंद्र बिंदु हो सकता है।

आनंद कुमार ने यह भी उम्मीद की कि ट्रांसफ़ॉर्मर पर आधारित प्राकृतिक भाषा प्रसंस्करण मॉडल में आगे की प्रगति होगी।

“हम अभी भी उस स्तर पर नहीं हैं जहाँ हम संवाद उत्पन्न कर सकते हैं जो इंटरैक्टिव है, जो ट्रैक रख सकता है और प्राकृतिक बातचीत कर सकता है। इसलिए मुझे लगता है कि 2020 में इस दिशा में अधिक गंभीर प्रयास किए जाएंगे,” उन्होंने कहा।

आखिरकार, आनंद कुमार ने उम्मीद की कि आगामी वर्ष में पुनरावृत्ति अल्गोरिदम और स्व-प्रशिक्षण के विकास में अधिक प्रगति होगी। ये प्रशिक्षण विधियाँ एआई प्रणालियों को कुछ हद तक स्व-प्रशिक्षित करने की अनुमति देती हैं और संभावित रूप से उन मॉडलों को बनाने में मदद कर सकती हैं जो अनलेबल डेटा पर स्व-प्रशिक्षण द्वारा सुधार कर सकते हैं।

डारियो गिल

गिल ने भविष्यवाणी की कि 2020 में एआई को अधिक कम्प्यूटेशनल रूप से कुशल तरीके से बनाने की दिशा में अधिक प्रगति होगी, क्योंकि वर्तमान में गहरे न्यूरल नेटवर्क को प्रशिक्षित करने का तरीका कई मायनों में अकुशल है। इसके कारण, गिल ने उम्मीद की कि इस वर्ष कम-परिशुद्धता वाले आर्किटेक्चर और अधिक कुशल प्रशिक्षण में प्रगति होगी। जैसा कि अन्य विशेषज्ञों ने कहा, गिल ने भी भविष्यवाणी की कि 2020 में शोधकर्ता सटीकता के अलावा अन्य मेट्रिक्स पर अधिक ध्यान केंद्रित करना शुरू करेंगे। गिल ने न्यूरल सимвोलिक एआई में रुचि व्यक्त की, क्योंकि आईबीएम न्यूरल सимвोलिक दृष्टिकोण का उपयोग करके संभाव्य प्रोग्रामिंग मॉडल बनाने के तरीकों की खोज कर रहा है। आखिरकार, गिल ने एआई को उन लोगों के लिए अधिक सुलभ बनाने के महत्व पर जोर दिया जो मशीन लर्निंग और डेटा साइंस में रुचि रखते हैं और यह धारणा को दूर करने के लिए कि केवल प्रतिभाशाली लोग ही एआई और डेटा साइंस के साथ काम कर सकते हैं।

“यदि हम इसे कुछ पौराणिक क्षेत्र के रूप में छोड़ देते हैं, तो यह एआई का क्षेत्र, जो केवल चुनिंदा पीएचडी के लिए सुलभ है जो इसके साथ काम करते हैं, इसकी अपनती में वास्तव में योगदान नहीं करता है,” गिल ने कहा।